Kunstig intelligens, data fusion og miljøbeskyttelse Kombinationen af kunstig intelligens og geodata kan skabe nye måder at beskytte naturen og miljøet. Måske er regelmæssige skyfrie satellitbilleder en del af løsningen. AF MORTEN FJORD PEDERSEN & MALTHE DAHL JENSEN, CLEARSKY VISION
I Danmark er landbruget én af de store udledere af drivhusgasser. Med to tredjedele af det danske areal anvendt til landbrug kan det have en stor betydning for miljøet. Det danske landbrug er iblandt de mest effektive i verden til produktion af fødevarer, så outsourcing af dette arbejde til udlandet er ikke løsningen på globalt plan. Det kræver derfor en ændring i madvaner og/eller mere effektiv produktion. Præcisionslandbrug er én måde at bekæmpe disse miljømæssige påvirkninger – lokalt såvel som globalt. På 70% af det danske landbrugsareal anvendes der allerede præcisionsteknologi, men kun få benytter satellitdata – og måske kan der ændres på det. For lidt skyfrit geodata Lagde du for eksempel mærke til, at sidste år var mere solrigt end gennemsnittet? Det var ikke min umiddelbare tanke, da 2020 sluttede. Det datagrundlag, som satellitter tilbyder, er billigt og langtrækkende, men brugbarheden er derimod begrænset af vejrforholdene. 60% af de anvende lige satellitbilleder er produceret i kun fire sommermåneder. Det er perfekt, hvis man kun er interesseret i geodata i dette korte tidsrum. Men
det er mindre perfekt, hvis man har brug for data på andre tidspunkter af året. Den nytteværdi, der er i præcisionslandbrug, kan variere meget for en dansk landmand. Det kan dreje sig om små tilfældigheder, som landmanden ikke har kontrol over – f.eks. en lille kumulussky på himlen over markerne. Det handler om at have det rigtige datagrundlag på det rette tidspunkt. Ved at anvende satellitinformation bliver man afhængig af sporadisk, skyfrit geodata i situationer, hvor man ofte har behov for en pålidelig datakilde. Kunstige, skyfrie satellitbilleder En måde at løse det manglende datagrundlag på er ved at anvende endnu mere geodata vha. datafusionsteknikker. Det er den vej, vi har valgt at gå. Det handler om at udvælge de mest opdaterede, tilgængelige data på tværs af bølgelængder. Vi tvinger så at sige en kunstig intelligens til at gætte på hvad, der sker under skydækket. Efter at have kigget på mere end 100 millioner eksempler, kan modellen lave klare, skyfrie satellitbilleder. Kombinationen af histo riske data, delvist skyet data samt radardata kan med stor nøjagtighed gendanne landskabet under skydækket, se figur 1. >>
Figur 1. Skyfri datafusion af Sentinel 1, Sentinel 2 og Landsat 8 data - håndteret med kunstig intelligens (før og efter).
4
GEOFOR U M • FEBR U A R 2 0 2 1
Sweco
